Funcionalidades avanzadas

Esta sección reúne las capacidades pensadas para usuarios intensivos (DBAs / ingenieros de datos / desarrolladores backend). Quedan escondidas tras menús contextuales, la paleta ⌘K o niveles inferiores de la barra; en un SELECT cotidiano probablemente no las uses, pero ahorran mucho tiempo en escenarios como:

• Saber si una consulta usa el índice y qué nodo es el más lento
• Inferir qué índices crear a partir del SQL histórico
• Examinar la distribución de columnas / proporción de NULL / si el tipo está sobrado
• Eliminar duplicados / rellenar valores por defecto / recuperar registros soft-deleted
• Buscar dónde aparece un valor a lo largo de una base entera
• Construir consultas visualmente sin escribir SQL
• Gestionar particiones en Doris/StarRocks, parts en ClickHouse, binlog en MySQL o extensiones en PG
• Migrar una base Oracle completa a 达梦 (DM)

A continuación, en orden "ver → modificar → buscar → construir → migrar".

1. EXPLAIN visual — PlanPanel

Todos hemos leído un EXPLAIN, pero el texto plano no es intuitivo. SkylerX cuelga del QueryPane un panel Plan que renderiza el EXPLAIN como árbol + resumen.

Disparadores

Entrada	Acción
Barra del QueryPane 📊 Plan	EXPLAIN del SQL actual (sin ejecutar)
⌘⇧E / Ctrl+Shift+E	Igual
▶ Analyze junto a 📊 Plan	EXPLAIN ANALYZE (ejecuta de verdad; cuidado con DML)

Internamente, plan.ts → planQuery(dialect, sql, { analyze }):

Dialecto	Sentencia generada
PostgreSQL / Kingbase	EXPLAIN (FORMAT JSON) <sql> / EXPLAIN (ANALYZE, BUFFERS, FORMAT JSON) <sql>
MySQL / MariaDB / OceanBase	EXPLAIN FORMAT=TREE <sql> / EXPLAIN ANALYZE <sql> (MySQL 8.0.18+)
Otros	Fallback al EXPLAIN tabular (pre render plano)

Render del árbol

El JSON Plan de PG lo parsea parsePgPlan a un árbol PlanNode; luego flattenPlan lo aplana en {node, depth} para renderizar. Cada nodo muestra:

• Etiqueta: Seq Scan / Index Scan / Hash Join …
• Detalles: on users / using users_pk / inner join
• Barra de coste: ancho = cost / maxCost * 60px, gradiente verde→rojo
• Métricas: cost 1234.56 · est 1000 · act 1234 · 12.3ms (act / ms solo con ANALYZE)

Coloreado de operadores lentos

PlanPanel marca en rojo el "tercio más caro" de nodos:

function isSlow(node) {
  return node.cost >= maxCost.value * 0.33 && maxCost.value > 0
}

Fondo rojo + etiqueta roja: se ve al instante dónde atacar sin comparar números.

Desviación estimado vs real

estimateSkew(node) calcula max(est, act) / min(est, act). ≥ 10× se interpreta como estadísticas obsoletas del optimizador; se añade un borde amarillo a la izquierda y un badge ⚠ 24× al final del nodo. En el resumen también se destaca "el nodo con mayor desviación":

let skewWorst = null
for (const r of arr) {
  const sk = estimateSkew(r.node)
  if (sk == null) continue
  if (!skewWorst || sk > skewWorst.skew) skewWorst = { node: r.node, skew: sk }
}

Cuando ves este badge, suele tocar ANALYZE table o pg_statistic refresh.

Barra de resumen

Arriba del panel:

Campo	Significado
Total Cost	Coste del nodo raíz (suma agregada)
Actual ms	Suma del tiempo real por nodo (con EXPLAIN ANALYZE)
Heaviest	Nombre del nodo más caro
Skew	Nodo con mayor desviación estimado/real + multiplicador

---

2. Recomendador de índices — IndexRecommender

⌘K → Recomendador de índices o clic derecho en una base del árbol → 🔧 Recomendar índices.

Entradas y salidas

Entrada	Origen
Patrones de SQL histórico	client.connections.history(connId, 1000) (los últimos 1000)
Índices existentes	MySQL information_schema.STATISTICS / PG pg_index + pg_class

Salida: IndexHint[], cada uno con nombre de tabla, columnas, score, razón y DDL CREATE INDEX listo para ejecutar.

Algoritmo (index-recommender.ts)

Sin parser SQL (caro y dependiente del dialecto); heurística con regex sobre WHERE / JOIN / ORDER BY / GROUP BY:

1. Agregar historial: SQL idénticos se unen sumando count + totalMs
2. Filtrar: solo SELECT / WITH; se descartan DML/DDL
3. Resolver alias: parseTableAliases(sql) extrae tbl [AS] alias de FROM/JOIN
4. Escanear 4 tipos de cláusula; cada hit pondera con score base:

Cláusula	Base	Comentario
WHERE col = ? / LIKE / IN / IS NULL / BETWEEN	5	Señal fuerte
JOIN ON a.col = b.col	3	Ambos lados suman
ORDER BY col	2	El ordenado necesita índice ordenado
GROUP BY col	2	Igual para agrupado

5. Peso temporal: por SQL count × min(perMs/avgMs, MAX_TIME_MULTIPLIER=5), para que un par de consultas lentas no anulen a la tabla
6. SQL multitabla: solo cuenta nombres de columna con alias; SQL de una tabla: permite nombres desnudos
7. Filtrar lo ya cubierto: isCovered(table, cols, known) descarta sugerencias que ya estén cubiertas por el prefijo de un índice existente
8. Sugerencias compuestas: por tabla, los 3 mejores se emparejan dos a dos para generar índices de dos columnas

Generación del DDL

function buildDdl(table, columns, dialect) {
  const idxName = `idx_${sanitize(table)}_${cols.map(sanitize).join('_')}`.slice(0, 60)
  return `CREATE INDEX ${quoteIdent(idxName)} ON ${quoteIdent(table)}(${cols.map(quoteIdent).join(', ')});`
}

MySQL usa backticks `\; PG usa comillas dobles ".

Flujo UI

Al abrir, run() automáticamente: escanea → lista candidatos (ordenados por scoreEstimate). Por fila:

• [Adoptar] → emit('runSql', h.ddl) envía el DDL al QueryPane (el usuario revisa y ejecuta)
• [Copiar todo] copia al portapapeles todos los candidatos
• [Rescanear] repite el proceso

Soporta familias MySQL / PG; en otros dialectos muestra "Sin soporte".

---

3. Inspector de datos — DataInspector

Clic derecho en una tabla → 🔬 Inspector. Un diálogo con 5 pestañas para "salud del dato + mantenimiento de un clic", clave para diagnóstico DBA. No corre SQL en paralelo (para no saturar producción): cada pestaña tira sus datos cuando se abre.

Pestaña 1: Muestreo de columna (A3)

Eliges una columna y una sola SQL trae todas las estadísticas:

SELECT
  COUNT(*) AS total,
  COUNT(col) AS non_null,
  COUNT(DISTINCT col) AS distinct_cnt,
  MIN(col) AS min_val,
  MAX(col) AS max_val
FROM <table>

Y otra para el top-10:

SELECT col AS value, COUNT(*) AS cnt
FROM <table> GROUP BY col ORDER BY cnt DESC LIMIT 10

Se muestran como tarjetas + tabla top-N. NULL% alto / distinct mínimo (posible enum) / extremos anómalos se ven al instante.

Pestaña 2: Perfilado de la tabla entera (B6)

Un SELECT calcula simultáneamente COUNT(col) + COUNT(DISTINCT col) para todas las columnas:

SELECT COUNT(*) AS total,
       COUNT(`a`) AS nn_a, COUNT(DISTINCT `a`) AS dc_a,
       COUNT(`b`) AS nn_b, COUNT(DISTINCT `b`) AS dc_b,
       ...
FROM <table>

Tabla resultado: columna | tipo | NULL% | DISTINCT/total. NULL% > 50 se marca amarillo: "puede que esta columna nadie la use".

Pestaña 3: Escaneo de restricciones (B5)

Para columnas declaradas IS_NULLABLE = 'NO', ejecuta SELECT COUNT(*) WHERE col IS NULL. Hits > 0 son violaciones de restricción (típico: NOT NULL añadido a posteriori sin limpiar los nulos previos).

Pestaña 4: Sugerencias de tipo (B9)

Recorta tipos por estrategia:

Tipo actual	Comprobación	Sugerencia
VARCHAR(255)	MAX(CHAR_LENGTH(col)) real	VARCHAR(max(32, ceil(maxlen*1.5))) si declared > maxlen*4 y diferencia > 50
BIGINT	MAX(ABS(col))	Si < 2³¹-1 → INT
INT	Igual	Si < 32767 → SMALLINT

Cada sugerencia incluye la justificación (Máx real 20; declarado 255; desperdicia 235 bytes).

Pestaña 5: Mantenimiento (B10)

Botones por dialecto:

Dialecto	Botones
Familia MySQL	ANALYZE TABLE / OPTIMIZE TABLE / CHECK TABLE
Familia PG	ANALYZE / VACUUM FULL / VACUUM / REINDEX TABLE

Doble confirmación (VACUUM FULL bloquea la tabla).

---

4. Reparación de datos — DataFixup

Clic derecho en tabla → 🩹 Reparación. Tres pestañas con la misma estructura "condiciones → generar SQL → revisar → ejecutar". No commitea directamente: lanza el SQL como pending al QueryPane.

Pestaña 1: Detección de duplicados (B3)

Marcas algunas columnas como clave de negocio (email + tenant_id); primero GROUP BY para detectar:

SELECT col1, col2, COUNT(*) AS cnt
FROM <table>
GROUP BY col1, col2 HAVING COUNT(*) > 1
ORDER BY cnt DESC LIMIT 100

Confirmados los duplicados, Generar SQL de limpieza produce un DELETE con ROW_NUMBER() (versión PG), con un comentario que ofrece la versión MySQL por self-join:

-- 留每组里 ROW_NUMBER() = 1 的那条,删其余
DELETE FROM <table>
WHERE (col1, col2, ctid) IN (
  SELECT col1, col2, ctid FROM (
    SELECT col1, col2, ctid,
           ROW_NUMBER() OVER (PARTITION BY col1, col2 ORDER BY ctid) AS rn
    FROM <table>
  ) sub WHERE sub.rn > 1
);

Pestaña 2: Rellenar NULL (B4)

Eliges columna + estrategia:

Estrategia	SET resultante
literal	'<valor del usuario>'
avg	(SELECT AVG(col) FROM <table>)
min / max	(SELECT MIN/MAX(col) FROM <table>)
most_common	(SELECT col GROUP BY col ORDER BY COUNT(*) DESC LIMIT 1)

Finalmente: UPDATE <table> SET col = <expr> WHERE col IS NULL;, con comentario "antes de ejecutar, mira el COUNT del impacto".

Pestaña 3: Recuperar soft-delete (B8)

Heurística sobre el nombre de columna (deleted_at / is_deleted / deleted). Según sea booleano o timestamp:

Nombre	Generado
is_deleted / *_flag	UPDATE ... SET col = FALSE WHERE col = TRUE
deleted_at / otros timestamps	UPDATE ... SET col = NULL WHERE col IS NOT NULL

Permite añadir un "WHERE extra" (AND user_id = 42) para acotar y no revivir todo de golpe.

---

5. Búsqueda de valor entre tablas — SearchValueDialog

⌘K → Búsqueda entre tablas o clic derecho en una celda → 🔎 Encuentra este valor en otras tablas (el segundo prerrellena).

Flujo

1. Recolectar columnas de texto buscables (information_schema.columns):
   • MySQL: varchar / char / text / tinytext / mediumtext / longtext / json
   • PG: character varying / character / text / json / jsonb
2. Agrupar por tabla: una SQL por tabla SELECT * FROM t WHERE col1 LIKE :v OR col2 LIKE :v ... LIMIT 50
3. Ejecutar en paralelo (máx 6 a la vez para no agotar el pool)
4. Barra de progreso + lista de hits

Límites de rendimiento

En bases grandes hay miles de columnas; usa table_prefix (user_*) para acotar. matchMode: contains / exact:

• contains → LIKE '%v%' (más lento, más amplio)
• exact → = 'v' (más rápido, ideal para IDs exactos)

maxPerTable limita a 50 hits por tabla para no explotar memoria.

Ejemplo

Diagnóstico en producción "por qué alice@x.com recibió la notificación":

1. ⌘K → Búsqueda entre tablas
2. Valor alice@x.com, modo exact
3. Una pasada por todas las bases → ves users(email) + subscription(email) + mail_logs(to_addr) con ese valor → traza el flujo

---

6. Historial de cambios de fila — RowHistoryDialog

Clic derecho sobre una fila → ⏱ Ver historial.

Búsqueda heurística de tabla espejo

Dada la PK de la fila ({id: 42}), escanea information_schema.tables para candidatas:

SELECT table_name FROM information_schema.tables
WHERE table_name LIKE '<base>_%'
   OR table_name = 'audit_<base>'
   OR table_name = '<base>_history'

El usuario elige en el <datalist> o teclea.

Extraer historial

Filtra por PK y ordena por changed_at / updated_at / created_at / version / revision desc:

SELECT * FROM <shadowTable>
WHERE id = 42
ORDER BY changed_at, updated_at, created_at, version, revision DESC
LIMIT 200

Cada fila del resultado es una versión; las columnas son las del shadow; los strings se truncan a 80 caracteres.

---

7. Constructor visual de consultas — VisualQueryDialog

⌘K → Constructor visual o clic derecho en una base → 🎨 Constructor visual.

El MVP no usa lienzo arrastrable; opta por una disposición "lista + tarjetas" más estable, útil de verdad y no solo demo.

Layout

Zona	Contenido
Izquierda	Todas las tablas de la base + buscador + checkboxes
Centro	Las tablas marcadas se despliegan en tarjetas; cada columna tiene checkbox (marca = entra al SELECT)
Arriba	Inputs WHERE / ORDER BY + caja LIMIT
Abajo	SQL generado en tiempo real + botón Abrir como nueva consulta

JOIN automático

Al marcar dos tablas detecta columnas "tipo FK" y genera INNER JOIN:

// inferConventionalFks
const m = /^(.+?)_id$|^(.+?)Id$/.exec(col.name)
// user_id → users.id  /  category_id → categories.id

Candidatos: <base> tal cual + plural simple (user → users, category → categories). Si no encuentra FK → degrada a CROSS JOIN con aviso visual.

SQL generado

SELECT users.id AS users_id, users.name AS users_name,
       orders.id AS orders_id, orders.amount AS orders_amount
FROM users
  INNER JOIN orders ON users.id = orders.user_id
WHERE amount > 100
ORDER BY users.id DESC
LIMIT 200

Alias <table>_<col> para evitar colisiones entre tablas.

---

8. Gestión de particiones MPP — MppPartitionDialog

Para Doris / StarRocks (familia protocolo MySQL). Clic derecho en una base → 🗂 Particiones.

Campos

Llama a SHOW PARTITIONS FROM <db>.<tbl>:

Campo	Significado
PartitionId / PartitionName	Metadatos
State	NORMAL / etc.
PartitionKey / Range	Columna y rango
DistributionKey / Buckets	Distribución y nº buckets
ReplicationNum	Réplicas
StorageMedium	HDD / SSD
CooldownTime	Tiempo de enfriamiento (degrada a HDD)
DataSize	Tamaño (formato KB/MB/GB)

Operaciones

Botón	Acción
+ Añadir partición	Diálogo con cláusula ADD PARTITION ...; prefijo ALTER TABLE <db>.<tbl> automático
DROP por fila	Confirmación + ALTER TABLE <db>.<tbl> DROP PARTITION <name>
🔄 Refrescar	Re-ejecuta SHOW PARTITIONS

---

9. Avanzado por dialecto

9.1 MysqlAdvancedDialog

Compatible con MySQL / MariaDB / OceanBase / TiDB / Doris / StarRocks. 3 pestañas:

Pestaña	SQL
Binlog	SHOW MASTER STATUS + SHOW BINARY LOGS + SHOW BINLOG EVENTS IN '<file>' LIMIT N
Estado de replicación	Prioriza SHOW REPLICA STATUS (8.0+); fallback a SHOW SLAVE STATUS
Variables / Estado	SHOW GLOBAL VARIABLES / SHOW GLOBAL STATUS con filtro; en Variables puede SET GLOBAL k = v

9.2 PgAdvancedDialog

Compatible con PostgreSQL / Kingbase / openGauss / Greenplum / CockroachDB / Redshift. 3 pestañas:

Pestaña	Fuente
Extensions	pg_available_extensions; un clic CREATE EXTENSION IF NOT EXISTS "<name>" WITH SCHEMA "<schema>" / DROP EXTENSION
Publications / Subscriptions	pg_publication + pg_publication_tables + pg_subscription (replicación lógica)
Slots	pg_replication_slots (slot_name / plugin / slot_type / active / restart_lsn / confirmed_flush_lsn / wal_status); botón DROP_REPLICATION_SLOT

9.3 ClickHouseAdvancedDialog

4 pestañas, mayormente lectura sobre system.*:

Pestaña	Fuente	Para qué
Particiones	system.parts (filtra active)	rows / bytes_on_disk / data_compressed_bytes / marks / min_date / max_date / level; DROP / DETACH / ATTACH PARTITION
Mutation	system.mutations	is_done / command / parts_to_do / latest_failed_part / latest_fail_reason
Réplicas	system.replicas	is_leader / queue_size / inserts_in_queue / merges_in_queue / total_replicas / active_replicas / zookeeper_path
Metadata de tablas	system.tables	engine / total_rows / total_bytes / partition_key / sorting_key / primary_key / sampling_key / storage_policy

Filtro database / table en la cabecera de cada pestaña, imprescindible en clusters grandes.

---

10. Asistente Oracle → DM (达梦)

Escenario habitual en proyectos de outsourcing 信创: migrar una base Oracle a 达梦. ⌘K → Asistente Oracle → DM.

5 pasos

Paso	Acción
1. Elegir conexiones	Filtra las configuradas; elige una dialect == Oracle y una dialect == DM
2. Elegir objetos	Tira tables / views / sequences / procedures; todo marcado por defecto; checkboxes por grupo / individuales
3. Preview	Cada objeto: DBMS_METADATA.GET_DDL → translateDdl() → muestra warnings y permite editar
4. Ejecutar	client.connections.execute(dstConnId, ddl) por objeto; recoge errores sin abortar
5. Reporte	Markdown con resumen + warnings; copiable / saveText

Reglas de traducción (oracleToDm.ts)

Mapeo de tipos (TYPE_MAP):

Oracle	DM	Nota
VARCHAR2	VARCHAR	—
NVARCHAR2	NVARCHAR	—
NUMBER	NUMERIC	DM acepta NUMBER, pero NUMERIC es estándar
CLOB / NCLOB / BLOB	Mismos	—
DATE	DATE	⚠ Oracle incluye hora; DM no
TIMESTAMP	TIMESTAMP	—
RAW / LONG RAW	VARBINARY	—
LONG	CLOB	Deprecado en Oracle
BINARY_FLOAT / BINARY_DOUBLE	FLOAT / DOUBLE	—
ROWID / UROWID	VARCHAR(18) / VARCHAR(4000)	DM sin equivalente; degradación
XMLTYPE	XML	Posiblemente reescribir XPath/XQuery

Implementación del reemplazo: coincidencia por "claves largas primero" (LONG RAW antes que LONG); NUMBER desnudo sin longitud no rellena; NUMBER(p,s) se copia; cada hit añade el warning TYPE_NOTES correspondiente.

Mapeo de funciones / keywords (FN_MAP):

Oracle	DM	Nota
SYSDATE / SYSTIMESTAMP	CURRENT_TIMESTAMP	DM acepta SYSDATE; CURRENT_TIMESTAMP es portable
NVL(a, b)	COALESCE(a, b)	DM admite NVL; COALESCE es más estándar
NVL2(...)	Igual	Si no soportado: CASE WHEN expr IS NOT NULL THEN a ELSE b END
MINUS	EXCEPT	DM acepta MINUS; EXCEPT es estándar
DUAL / ROWNUM	Igual	Soportado en DM

Avisos sintácticos complejos (HARD_WARNINGS; no cambia el SQL, solo emite [review]):

Patrón	Mensaje
DECODE(...)	Sigue válido; revisa pasar a CASE WHEN por legibilidad
CONNECT BY	Mayoría compatible; NOCYCLE / SYS_CONNECT_BY_PATH requieren revisión manual
MERGE INTO	Ramas complejas (DELETE WHERE / múltiples sources UPDATE) pueden diferir
INSTEAD OF (INSERT/UPDATE/DELETE) TRIGGER	Semántica diferente en DM; cuerpos a migrar manualmente
SDO_GEOMETRY / MDSYS.*	Oracle Spatial sin equivalente; DMGeo o tercero
DBMS_*	Solo emulación parcial (DBMS_OUTPUT/DBMS_LOB); paquetes de negocio se reescriben
UTL_* (UTL_HTTP/UTL_FILE)	Normalmente no soportado; sustituir con script externo
INTERVAL YEAR/DAY TO ...	Versiones antiguas solo aceptan formas simplificadas
PIVOT(...) / UNPIVOT(...)	DM 8.x soporte parcial; antiguas → CASE WHEN agregado
BULK COLLECT / FORALL	DMSQL difiere ligeramente en sintaxis PL/SQL masiva

Lo que no se hace a propósito

• Sin traducción semántica de bloques PL/SQL: solo se migra el CREATE del SP; el cuerpo lo revisa el usuario
• Sin traducción de cuerpos de triggers
• Sin orden de dependencias: lexicográfico; si falla, se vuelve a correr
• Sin atomicidad transaccional: cada objeto va por su cuenta; los fallos se marcan en rojo

Migración de datos (experimental)

Si marcas "Incluir datos (primeras 100 filas)" en el Paso 4:

-- 源
SELECT * FROM "<table>"  -- 限 100 行

-- 目标
INSERT INTO "<table>" (col1, col2, ...) VALUES (v1, v2, ...)  -- 逐行

Solo un esqueleto: una migración completa requiere paginación + conversión de tipos + inserción en bloque; el asistente lo deja para después. En producción, mejor DTS / expdp + impdp.

Reporte

Tras la ejecución, paso 5: Markdown como este:

# Oracle → DM 迁移报告

- 源连接: `prod-oracle`
- 目标连接: `dm-test`
- 时间: 2026-05-30 10:23:11
- 总对象数: 142,成功 138,失败 4

## 成功对象
- [tables] ORDERS (124ms)
- [tables] USERS (89ms)
...

## 失败对象
- [procedures] CALC_BONUS
  - 错误: ORA-00942 表或视图不存在

## 翻译警告(人工 review)
- (ORDERS) [type] DATE: Oracle DATE 含时分秒,DM DATE 不含;原列若依赖时间分量请改用 TIMESTAMP
- (ORDERS_REPORT) [review] PIVOT/UNPIVOT:DM 8.x 起部分支持,旧版本需改写为 CASE WHEN 聚合

Botones Copiar al portapapeles o Guardar como .md.

---

11. ¿Cuándo usar qué?

Tabla "el remedio adecuado":

Quiero...	Herramienta
Ver dónde se atasca una consulta lenta	PlanPanel + ANALYZE
No sé qué índices crear	IndexRecommender
Auditar la salud de una tabla nueva	DataInspector (perfilado + sugerencias de tipo)
Limpiar datos sucios / duplicados	DataFixup
Localizar dónde aparece un valor	SearchValueDialog
Ver el historial de una fila	RowHistoryDialog
Mostrar a un compañero no técnico cómo construir una consulta	VisualQueryDialog
Gestionar particiones Doris	MppPartitionDialog
Binlog MySQL / lag de replicación	MysqlAdvancedDialog
Instalar extensiones PG / replicación lógica	PgAdvancedDialog
Ver parts / Mutations en CH	ClickHouseAdvancedDialog
Migrar Oracle a 达梦	OracleToDmWizard

Combina con el Asistente de IA y multiplica la potencia: el PlanPanel detecta un nodo lento y "Preguntas a la IA"; el IndexRecommender propone candidatos y la IA te los explica; el DataInspector sugiere tipos y la IA evalúa el riesgo.